更新时间：2020-04-29 16:27:08
封面
版权信息
内容提要
前言
第1章 绪论
1.1 引言
1.2 粒计算的起源
1.3 粒计算的3个主要模型及其关系
1.4 粒计算的基本问题
1.5 粒计算模型研究现状及与其他智能理论的关系
1.6 主要创新
第2章 粒度格矩阵空间模型
2.1 引言
2.2 粒度划分格
2.3 粒度格矩阵空间模型的提出
2.4 粒度矩阵和粒度格矩阵
2.5 小结
第3章 基于粒度格矩阵空间的信息系统知识发现
3.1 引言
3.2 约简算法及分析
3.3 基于粒度格矩阵空间的完备信息系统知识发现
3.4 基于粒度格矩阵空间的不完备信息系统知识发现
3.5 小结
第4章 基于粒度格矩阵空间的动态聚类
4.1 引言
4.2 统一粒度下的聚类算法及分析
4.3 粒度格矩阵空间下的聚类
4.4 基于粒度格矩阵空间的动态聚类算法
4.5 实验及分析
4.6 小结
第5章 基于粒度格矩阵空间的图像分割及显著性提取
5.1 引言
5.2 粒计算在图像分割中的应用
5.3 基于模糊C-均值的图像分割算法
5.4 基于粒度格矩阵空间的图像分割
5.5 基于粒空间融合的多特征显著区域检测
5.6 小结
第6章 基于多粒特征融合的视频镜头边界检测
6.1 引言
6.2 基于内容的视频检索
6.3 特征提取与匹配
6.4 镜头边界检测
6.5 基于多粒度特征融合的双阈值镜头检测算法
6.6 小结
第7章 基于粒度熵的关键帧提取
7.1 引言
7.2 常见的关键帧提取算法
7.3 基于粒度熵的关键帧提取算法
7.4 基于DCT与NCIE的关键帧多级提取算法
7.5 小结
第8章 基于粗糙粒的人脸检测
8.1 引言
8.2 传统人脸检测算法及分析
8.3 Adaboost人脸检测算法
8.4 Adaboost算法多阶段优化
8.5 基于粗糙粒的Adaboost人脸检测算法
8.6 小结
第9章 基于视频序列的人眼检测与跟踪
9.1 引言
9.2 基于改进Adaboost算法的人眼检测
9.3 基于Kalman滤波器和改进CamShift算法的人眼跟踪
9.4 人眼检测与跟踪在疲劳检测中的应用
9.5 小结
第10章 融合双韦伯特征深度置信网络表情识别
10.1 引言
10.2 表情识别系统及相关理论
10.3 韦伯局部描述算子的改进及应用
10.4 融合改进韦伯特征的深度置信网络的表情识别
10.5 小结
第11章 结论与展望
11.1 本书的主要贡献
11.2 下一步研究工作
参考文献
